如何解决rvest的搜寻网站询问地理位置
我开始从阿根廷抓取一些网站。我要删除此特定网站:“ https://www.disco.com.ar/prod/88953/aderezo-mayonesa-natura-237-gr”或“ https://www.disco.com.ar/prod / 416680 / cerveza-rubia-brahma-chopp-1-l-botella-reornable“
我将“ rvest”软件包用于复制价格和其他网站的名称。我正在尝试使用下面的代码获取URL:
library (rvest)
url_1 <- "https://www.disco.com.ar/prod/88953/aderezo-mayonesa-natura-237-gr"
page <- read_html (url_1)
我想用这些特定产品的价格和名称来抓取整个页面。我的问题是rvest仅在有人单击chrome中出现的位置问题之前才打开第一个窗口。在您点击“允许”或“不允许”后,chrome使我可以访问所有html信息。我附上参考照片,我想访问该产品,并且只能访问带有徽标的第一个窗口。
如何使信息可以通过get_html访问?我必须使用beautifulsoup还是什么?
任何帮助都非常值得欢迎,我感谢整个社区。 p>
解决方法
您需要致电:
POST /Geolocalizacion/Geolocalizacion.aspx/GuardarLocalizacion
,然后将Cookie保存到您的html_session
。产品信息位于JSON中位于input
属性下且名称为hfProductData
的{{1}}标签中:
value
输出:
library(rvest)
library(httr)
library(jsonlite)
r <- POST("https://www.disco.com.ar/Geolocalizacion/Geolocalizacion.aspx/GuardarLocalizacion",content_type("application/json"),body = toJSON(
list(
latitud = NA,longitud = NA,noLocalizar = TRUE
),auto_unbox = TRUE
),encode = "json")
cookieList <- cookies(r)
cookies <- cookieList$value %>% setNames(cookieList$name)
url <- "https://www.disco.com.ar/prod/88953/aderezo-mayonesa-natura-237-gr"
resp <- html_session(url,set_cookies(cookies)) %>%
html_nodes('input[name="hfProductData"]') %>%
html_attr("value")
print(fromJSON(resp))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。